Empaqueter un modèle - Amazon SageMaker

Empaqueter un modèle

Les tâches d'empaquetage SageMaker Edge Manager prennent des modèles Amazon SageMaker néo-compilés et apportent les modifications nécessaires pour déployer le modèle avec le moteur d'inférence, l'agent Edge Manager.

Prérequis

Pour empaqueter un modèle, procédez comme suit :

  1. Compilez votre modèle de machine learning avec SageMaker Neo.

    Si ce n'est pas déjà fait, compilez votre modèle avec SageMaker Neo. Pour de plus amples informations sur la compilation de votre modèle, veuillez consulter Compile and Deploy Models with Neo (Compiler et déployer des modèles avec Neo). Si vous utilisez SageMaker Neo pour la première fois, veuillez consulter Getting Started with Neo Edge Devices (Démarrer avec des dispositifs périphériques Neo).

  2. Obtenez le nom de votre tâche de compilation.

    Indiquez le nom de la tâche de compilation que vous avez utilisée lors de la compilation de votre modèle avec SageMaker Neo. Ouvrez la console SageMaker à l'adresse https://console.aws.amazon.com/sagemaker/ et choisissez Compilation jobs (Tâches de compilation) pour obtenir une liste des compilations qui ont été envoyées à votre compte AWS. Les noms des tâches de compilation envoyées figurent dans la colonne Name (Nom).

  3. Obtenez votre ARN IAM.

    Vous avez besoin d'un Amazon Resource Name (ARN) d'un rôle IAM utilisable pour télécharger le modèle vers l'amont et l'aval et contacter SageMaker Neo.

    Utilisez l'une des méthodes suivantes pour obtenir votre ARN IAM :

    • Par programmation, avec le kit SDK Python SageMaker

      import sagemaker # Initialize SageMaker Session object so you can interact with AWS resources sess = sagemaker.Session() # Get the role ARN role = sagemaker.get_execution_role() print(role) >> arn:aws:iam::<your-aws-account-id>:role/<your-role-name>

      Pour de plus amples informations sur l'utilisation du kit SDK Python SageMaker, veuillez consulter SageMaker Python SDK API (API de kit SDK Python SageMaker).

    • Avec la console AWS Identity and Access Management (IAM)

      Connectez-vous à la console IAM à l'adresse https://console.aws.amazon.com/iam/. Dans la section Resources (Ressources) IAM, choisissez Roles (Rôles) pour afficher une liste des rôles dans votre compte AWS. Sélectionnez ou créez un rôle bénéficiant des autorisations AmazonSageMakerFullAccess, AWSIoTFullAccess et AmazonS3FullAccess.

      Pour de plus amples informations, veuillez consulter What is IAM? (Qu'est-ce qu'IAM ?)

  4. Procurez-vous un URI de compartiment S3.

    Vous devez disposer d'au moins une URI de compartiment Amazon Simple Storage Service (Amazon S3) pour stocker votre modèle néo-compilé, la sortie de la tâche d'empaquetage Edge Manager et des exemples de données de votre flotte de dispositifs.

    Utilisez l'une des méthodes suivantes pour créer un compartiment Amazon S3 :

    • Par programmation, avec le kit SDK Python SageMaker

      Vous pouvez utiliser le compartiment Amazon S3 par défaut au cours d'une session. Un compartiment par défaut est créé selon le format suivant : sagemaker-{region}-{aws-account-id}. Pour créer un compartiment par défaut avec le kit SDK Python SageMaker, procédez comme suit :

      import sagemaker session=sagemaker.create_session() bucket=session.default_bucket()
    • Utilisation de la console Amazon S3

      Ouvrez la console Amazon S3 à l'adresse https://console.aws.amazon.com/s3/ et obtenez des instructions détaillées dans la section How do I create an S3 Bucket? (Comment créer un compartiment S3 ?).